Código
# Librerías necesarias
require(ggplot2)
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(vroom)
require(leaflet)
library(lubridate)4 Visualización
Presentamos un ejemplo para XXX.
A continuación, se muestran algunos posibles análisis para datos de XXX.
4.1 Exploración inicial
Los datos de sismos XXX.
Para lo que sigue, trabajamos con el dataset reducido sismos-arg.csv en el que se incluyen datos de sismos de diferente intensidad y magnitud en la región continental del país (excluyendo Tierra del Fuego) desde el 7 de enero de 2012, hasta el 18 de mayo de 2022.
El dataset sismos-arg.csv se encuentra acá. A continuación, se muestran 10 datos de dicho conjunto.
Código
knitr::kable(datos[1:10,], caption = "Dataset reducido")| Fecha | Hora | Latitud | Longitud | Provincia | Percibido | Magnitud | Profundidad |
|---|---|---|---|---|---|---|---|
| 2022-05-18 | 13:09:56 | -31.820 | -67.040 | San Juan | FALSE | 3.0 | 134 |
| 2022-05-18 | 10:18:34 | -24.216 | -67.139 | Salta | FALSE | 3.2 | 185 |
| 2022-05-18 | 09:40:09 | -31.262 | -68.708 | San Juan | FALSE | 3.3 | 104 |
| 2022-05-18 | 09:25:43 | -32.521 | -70.085 | San Juan | FALSE | 2.7 | 112 |
| 2022-05-18 | 08:45:59 | -28.192 | -67.376 | Catamarca | FALSE | 2.7 | 142 |
| 2022-05-18 | 08:42:33 | -32.043 | -70.030 | San Juan | FALSE | 2.7 | 114 |
| 2022-05-17 | 23:22:48 | -23.442 | -66.846 | Jujuy | FALSE | 3.6 | 210 |
| 2022-05-17 | 21:21:18 | -23.503 | -66.831 | Jujuy | FALSE | 3.6 | 210 |
| 2022-05-17 | 17:17:58 | -22.794 | -66.228 | Jujuy | FALSE | 4.0 | 273 |
| 2022-05-17 | 14:46:04 | -31.505 | -68.640 | San Juan | FALSE | 2.7 | 103 |
Visualización de sismos percibidos y no percibidos.
Código
sismos_arg <- datos
pal1 <-
colorNumeric(palette = c("deeppink2", "deeppink4"),
domain = sismos_arg$Profundidad)
pal2 <-
colorNumeric(palette = c("dodgerblue2", "dodgerblue4"),
domain = sismos_arg$Profundidad)
mapa_arg <- sismos_arg %>%
leaflet(options = leafletOptions(attributionControl = FALSE)) %>%
addTiles(group = "OSM (default)") %>%
addProviderTiles("OpenTopoMap",
group = "Topográfico",
options = providerTileOptions(opacity = 0.5)) %>%
addCircleMarkers(
data = sismos_arg %>%
filter(Percibido == FALSE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 0.1,
radius = ~ Magnitud,
color = ~ pal2(Profundidad),
stroke = FALSE,
group = "Sismos no percibidos"
) %>%
addCircleMarkers(
data = sismos_arg %>%
filter(Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 0.1,
radius = ~ Magnitud,
color = ~ pal1(Profundidad),
stroke = FALSE,
group = "Sismos percibidos"
) %>%
addLayersControl(
baseGroups = c("OSM (default)", "Topográfico"),
overlayGroups = c("Sismos no percibidos", "Sismos percibidos"),
options = layersControlOptions(collapsed = TRUE)
)
mapa_argVisualización de sismos, según magnitud por top de provincias con sismos.
Código
top <-
c("San Juan",
"Salta",
"Jujuy",
"La Rioja",
"Mendoza",
"Catamarca",
"Córdoba")
pal3 <-
colorNumeric(
palette = c("gold", "sienna1", "firebrick", "darkred", "orangered4"),
domain = sismos_arg$Magnitud
)
mapa_arg_top <- sismos_arg %>%
leaflet(options = leafletOptions(attributionControl = FALSE)) %>%
addTiles(group = "OSM (default)") %>%
addProviderTiles("OpenTopoMap",
group = "Topográfico",
options = providerTileOptions(opacity = 0.5)) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[1]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[1]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[2]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[2]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[3]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[3]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[4]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[4]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[5]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[5]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[6]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[6]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[7]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
radius = ~ Magnitud * 1000,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[7]
) %>%
addLayersControl(
baseGroups = c("OSM (default)", "Topográfico"),
overlayGroups = top,
options = layersControlOptions(collapsed = TRUE)
)
mapa_arg_topCódigo
knitr::kable(sismos_prov, caption = "Resumen por provincias")| Provincia | n | nperc | Magmed | Profmed |
|---|---|---|---|---|
| Buenos Aires | 7 | 5 | 3.7 | 31 |
| Catamarca | 3317 | 109 | 2.8 | 139 |
| Chaco | 3 | 0 | 3.3 | 231 |
| Chubut | 1 | 0 | 3.8 | 169 |
| Corrientes | 2 | 0 | 3.7 | 267 |
| Córdoba | 1145 | 313 | 2.8 | 21 |
| Entre Ríos | 1 | 0 | 3.8 | 32 |
| Formosa | 3 | 0 | 3.8 | 342 |
| Jujuy | 5270 | 64 | 3.2 | 223 |
| La Pampa | 5 | 4 | 3.6 | 22 |
| La Rioja | 4616 | 166 | 2.8 | 114 |
| Mendoza | 4319 | 303 | 2.7 | 31 |
| Neuquén | 231 | 66 | 3.0 | 8 |
| Río Negro | 1 | 0 | 2.9 | 98 |
| Salta | 5781 | 61 | 3.2 | 195 |
| San Juan | 29920 | 619 | 2.7 | 106 |
| San Luis | 568 | 69 | 2.8 | 22 |
| Santa Cruz | 46 | 22 | 3.0 | 14 |
| Santiago del Estero | 255 | 59 | 3.2 | 30 |
| Tucumán | 326 | 46 | 2.8 | 27 |
Código
knitr::kable(sismos_prov_porc, caption = "Porcentaje de sismos percibidos para casos de más de 1000 eventos")| Provincia | pperc |
|---|---|
| Catamarca | 3.286102 |
| Córdoba | 27.336244 |
| Jujuy | 1.214421 |
| La Rioja | 3.596187 |
| Mendoza | 7.015513 |
| Salta | 1.055181 |
| San Juan | 2.068850 |
4.2 Análisis para el caso de San Juan
Percibidos
5 Acerca de los datos
A continuación, se detallan aspectos de los datasets que conformaron el dataset reducido para el desarrollo del ejemplo, a la vez que se incluyen las fuentes de los datos y el código utilizado para pre-procesarlo con la sintaxis de tidyverse. De esta forma, puede fácilmente replicarse y/o adaptarse si así se lo desea.
También se incluye el enlace de descarga al dataset reducido, sismos-arg.csv, con el que se desarrolló el ejemplo.
5.1 Sobre el dataset de sismos
Los datos de este ejemplo corresponden a XXX y se dispone de las siguientes variables.
Fecha: fecha, en el formato año-mes-día.Hora: hora, en el formato hora-minuto-segundo.Latitud: latitud del evento registrado.Longitud: latitud del evento registrado.Provincia: nombre de la provincia del evento registrado.Percibido:TRUEsi la magnitud fue percibida,FALSEsi no lo fue.Magnitud: magnitud del sismo en la escala de Richter.Profundidad: profundidad (km) registrada del sismo.
6 Librerías
Las librerías usadas para el desarrollo de este ejemplo, así como la información de la sesión de R, se muestran en el código que sigue.
Código
require(ggplot2)
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(vroom)
require(leaflet)
library(lubridate)Código
sessionInfo()R version 4.2.3 (2023-03-15 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 22621)
Matrix products: default
locale:
[1] LC_COLLATE=Spanish_Argentina.utf8 LC_CTYPE=Spanish_Argentina.utf8
[3] LC_MONETARY=Spanish_Argentina.utf8 LC_NUMERIC=C
[5] LC_TIME=Spanish_Argentina.utf8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] leaflet_2.1.2 vroom_1.6.1 kableExtra_1.3.4 plotly_4.10.1
[5] ggfortify_0.4.16 lubridate_1.9.2 forcats_1.0.0 stringr_1.5.0
[9] dplyr_1.1.2 purrr_1.0.1 readr_2.1.4 tidyr_1.3.0
[13] tibble_3.2.1 tidyverse_2.0.0 ggplot2_3.4.2
loaded via a namespace (and not attached):
[1] svglite_2.1.1 leaflet.providers_1.9.0 digest_0.6.31
[4] utf8_1.2.3 R6_2.5.1 evaluate_0.20
[7] httr_1.4.5 highr_0.10 pillar_1.9.0
[10] rlang_1.1.0 lazyeval_0.2.2 rstudioapi_0.14
[13] data.table_1.14.8 rmarkdown_2.21 labeling_0.4.2
[16] webshot_0.5.4 htmlwidgets_1.6.2 bit_4.0.5
[19] munsell_0.5.0 compiler_4.2.3 xfun_0.39
[22] pkgconfig_2.0.3 systemfonts_1.0.4 htmltools_0.5.5
[25] tidyselect_1.2.0 gridExtra_2.3 fansi_1.0.4
[28] viridisLite_0.4.2 crayon_1.5.2 tzdb_0.3.0
[31] withr_2.5.0 grid_4.2.3 jsonlite_1.8.4
[34] gtable_0.3.3 lifecycle_1.0.3 magrittr_2.0.3
[37] scales_1.2.1 cli_3.6.1 stringi_1.7.12
[40] farver_2.1.1 xml2_1.3.3 ellipsis_0.3.2
[43] generics_0.1.3 vctrs_0.6.1 tools_4.2.3
[46] bit64_4.0.5 glue_1.6.2 hms_1.1.3
[49] crosstalk_1.2.0 parallel_4.2.3 fastmap_1.1.1
[52] yaml_2.3.7 timechange_0.2.0 colorspace_2.1-0
[55] rvest_1.0.3 knitr_1.42 7 Referencias
- XXX